Barriers and facilitators to following dietary recommendations for bone health: a qualitative study
Notice bibliographique
Résumé
BACKGROUND: An estimated one in two women and one in five men will experience a low-trauma fracture after age 50. Diet is an important mediator of bone health but individuals with or at risk of osteoporosis do not always meet recommended intake of specific nutrients (protein, calcium, vitamin D) and whole foods. We aimed to identify barriers and facilitating factors to following dietary recommendations for bone health among adults with or at risk of osteoporosis. METHODS: Adults aged ≥ 45 years who had been referred to a specialty osteoporosis clinic were recruited to participate in 4 virtual focus groups exploring barriers and facilitators to following dietary recommendations for bone health. Interest in a practical, bone-health focused Culinary Medicine program was also assessed. RESULTS: A total of 29 individuals were enrolled, 26 completed a pre-survey which asked about demographics and dietary habits, and 24 (age range 56-89 years, 21 female) attended one of four virtual focus groups. Principle barriers to following dietary recommendations for bone health highlighted by the focus group participants were: (1) living alone and cooking for one, (2) low motivation to prepare meals, and (3) dietary restrictions. Principal facilitators were: (1) preparing meals in advance, (2) online grocery shopping, and (3) engaging in exercise. Focus group participants expressed enthusiasm about participating in a Culinary Medicine program for bone health. CONCLUSION: Our findings indicate that adults with or at risk of osteoporosis face multiple barriers to adhering with dietary recommendations. Bone-focused Culinary Medicine programming merits further study as a possible method of overcoming these barriers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».